09 Segmentacion

VISIN POR COMPUTADOR
Segmentacin
Ingeniera de Sistemas y Automtica

Universidad Miguel Hernndez
Tema 9 Segmentacin
ISA-UMH
Planteamiento General
ADQUISICIN DE LA IMAGEN
PREPROCESAMIENTO
DETECCIN DE BORDES
SEGMENTACIN
DESCRIPCIN DE OBJETOS
RECONOCIMIENTO DE OBJETOS
INTERPRETACIN DE LA ESCENA
ISA-UMH
(Tema 9) - 1
Tema 9 Segmentacin
ISA-UMH
Tabla de Contenidos
Definicin
Umbralizacin
Tcnicas Basadas en la Frontera
Segmentacin Basada en Regiones
Tema 9 Segmentacin
ISA-UMH
Definicin
Segmentacin:
Agrupacin de partes pertenecientes a una imagen, en unidades
que son homogneas en relacin a uno o varios atributos
Divisin de la imagen en regiones con significado
Alternativas:
Imgenes de Bordes
Imgenes de Regiones
Deteccin de Bordes
Segmentacin
Agrupamiento de Bordes
Etiquetado de Regiones
Definicin de Fronteras
Definicin de Fronteras
Descripcin Analtica
de los Objetos
Descripcin Analtica
de los Objetos
ISA-UMH
(Tema 9) - 2
Tema 9 Segmentacin
ISA-UMH
Definicin
Objetivo de la segmentacin:
Agrupar pixeles en unidades con significado
Se utilizan criterios como:
Proximidad, Continuidad
Similitud/Disparidad
Permite obtener una mejor comprensin de las
imgenes.
Tema 9 Segmentacin
ISA-UMH
Tabla de Contenidos
Definicin
Umbralizacin
ISA-UMH
(Tema 9) - 3
Tema 9 Segmentacin
ISA-UMH
Umbralizacin
Fundamento:
La propiedad ms sencilla que pueden compartir los pxeles de una regin
es su intensidad.
Se supone que los objetos pueden ser separados por un valor de gris
caracterstico.
Operacin
T1
T x, y, p x, y , f x, y
Distinguiremos:
T2
1 si
IT ( x , y )
0 si
f ( x, y ) T
f ( x, y ) T
Umbral Global (slo depende de la intensidad f(x,y))

Umbral Local (Depende de f(x,y), (x,y), la posicin del pixel en la imagen)
Umbral Dinmico Local (Depende de f(x,y) y de p(x,y), propiedad local del
punto)
Umbralizacin Multiumbral
Umbralizacin basada en pxeles de frontera
Tema 9 Segmentacin
ISA-UMH
Umbralizacin
Umbralizacin global
Se utiliza cuando existe una clara definicin entre objetos y
fondo
Cmo seleccionamos el umbral?
A partir del conocimiento del histograma
Problemas
Histograma con ruido

Dificulta la localizacin de puntos significativos
Picos pequeos en el histograma

Si el rea del objeto es muy pequea en relacin con el fondo
ISA-UMH
(Tema 9) - 4
Tema 9 Segmentacin
ISA-UMH
Umbralizacin
Ejemplo de umbralizacin global
2.5
x 10
1.5
0.5
0
0
50
100
150
193
Tema 9 Segmentacin
250
ISA-UMH
Umbralizacin
Ejemplo. Imagen Original (I)
Umbral 60
Umbral 70
Umbral 140
ISA-UMH
(Tema 9) - 5
Tema 9 Segmentacin
ISA-UMH
Umbralizacin: Seleccin del umbral ptimo

Planteamiento general:
Suponemos que el histograma est formado por las FDP
correspondientes a los diferentes objetos de la escena.
p( z ) P1 p1 ( z ) P2 p2 ( z )
p ( g ) n( g ) / nT
Donde P1 y P2 son las probabilidades a priori. P1 = n1/nT P2 = n2/nT

0.025
0.02
P p (z)
2
0.015
P p (z)
1
0.01
0.005
0
0
50
100
150
200
255
El valor ptimo de T es tal que: P1 p1 (T ) P2 p2 (T )

Problema: Cmo calculamos la FDP del objeto y la del fondo
Si conocemos los objetos, entonces el problema de la
segmentacin desaparece.
Tema 9 Segmentacin
ISA-UMH
Umbralizacin: Seleccin automtica

Bsqueda de un valle/s en el histograma
Encontramos los mximos en el histograma
Hallamos los mnimos locales entre ellos
Problemas:
El ruido puede hacer aparecer falsos mnimos locales
La suma de dos distribuciones no siempre tiene un valle en
el punto T ptimo.
0.02
0.018
0.018
0.016
0.016
0.014
0.014
0.012
0.012
0.01
0.01
0.008
0.008
0.006
0.006
0.004
0.004
0.002
0
0.002
50
100
150
200
250
300
ISA-UMH
50
100
150
200
250
300
(Tema 9) - 6
Tema 9 Segmentacin
ISA-UMH
Funciona bien si los mximos estn bien separados y las
distribuciones no son demasiado anchas (varianza pequea).
Tema 9 Segmentacin
ISA-UMH

Anlisis de la Concavidad
Otra manera de extraer los valles del histograma:
Se obtiene el menor polgono que engloba al histograma.

Se calcula la distancia del polgono al histograma.
El valle se obtiene como el mximo de esta distancia.
Se rechazan falsos mximos evaluando la media de la distribucin
(concavidad ponderada)
Histogram concavity analysis as an aid in threshold selection A. Rosenfeld and P. De La Torre

IEEE Transactions on Systems, Man. & Cybernetics (13) (1983)
ISA-UMH
(Tema 9) - 7
Tema 9 Segmentacin
ISA-UMH

Clustering (k-means)
Otra manera de ver el problema:
Suponemos que tenemos dos grupos de pxeles. Cada uno en
un rango. Estos rangos se suelen solapar
Tenemos:
Un umbral T que nos separa la imagen en dos conjuntos.
o: Media del valor de los pxeles considerados como objeto.
b: Media del valor de los pixeles considerados como fondo.
Buscamos T tal que:

f ( x, y ) T : f ( x, y ) b (T ) f ( x, y ) o (T)
Todos los pxeles del objeto ms cercanos a su media
f ( x, y ) T : f ( x, y ) b (T ) f ( x, y ) o (T)
Todos los pxeles del fondo ms cercanos a su media
fondo
Tema 9 Segmentacin
objeto
ISA-UMH

Algoritmo:
1) Comenzamos seleccionando T = B (brillo de la imgen). Nos

separa los pxeles en dos conjuntos.
2) Calculamos el valor medio de cada conjunto:
bi (T i )
f ( x, y )
f ( x , y ) T
num. pixeles b
oi (T i )
f ( x, y )
f ( x , y ) T
num. pixeles o
i
3) Seleccionamos un nuevo umbral T: T
4) Volver a 2).
5) Repetimos hasta que T se estabilice.
bi oi
2
Es fcilmente escalable a K objetos

El algoritmo propuesto funciona bien en el caso de que las distribuciones
estn bien separadas
Si las distribuciones estn muy extendidas o tienen varianzas diferentes no
funciona bien
Picture thresholding using an iterative selection method T.W. Ridler & S. Calvard
IEEE Transactions on Systems, Man. & Cybernetics (8) (1978)
ISA-UMH
(Tema 9) - 8
Tema 9 Segmentacin
ISA-UMH

k-means: tres clases (medias)
700
600
500
400
300
200
100
0
0
50
100
150
200
Tema 9 Segmentacin
250
ISA-UMH

Mtodo Otsu
Busca un umbral T que consiga que las dos distribuciones estn
lo ms ajustadas posible (mnima varianza intra-clase)
Si movemos T en una direccinincrementamos la dispersin
de una y reducimos la de la otra
El objetivo es seleccionar un T que minimice la varianza conjunta
N
N
Definimos:
i p(i )
2 (i ) 2 p(i )
i 0
i 0
T
1
1
2
(i 1 ) 2 p (i )
i p(i) 1 q
q1 i 0
1 i 0
1 N
1 N
2
2
(i 2 ) 2 p (i )
i p(i) 2 q i
q2 i T 1
2 T 1
q 1 (T )
q 2 (T )
p (i )
i0
N
p (i )
i T 1
q 1 (T ) q 2 (T ) 1
q1 1 q 2 2
A threshold selection method from gray-level histograms Nobuyuki Otsu

IEEE Transactions on Systems, Man. & Cybernetics 9 (1) (1979)
ISA-UMH
(Tema 9) - 9
Tema 9 Segmentacin
ISA-UMH

Definimos la varianza conjunta como:
W2 (T ) q1 (T ) 12 (T ) q2 (T ) 22 (T )
El objetivo consiste en hallar T que minimice W .
Alternativamente podemos hallar T que maximice B..(varianza
inter-clases)
B2 (T ) 2 W2 q1 1 2 q2 2 2
Minimizar
Maximizar
W2 (T ) q1 (T ) 12 (T ) q 2 (T ) 22 (T )
B2 (T ) 2 W2
Se puede demostrar que esto es equivalente a calcular::
B2 (T ) q1q2 1 2 2 q1 (1 q1 )1 2 2
Se pude escalar a K-clases pero el coste computacional se

incrementa exponencialmente con el nmero de clases
Tema 9 Segmentacin
ISA-UMH
Resumen del algoritmo:

Se utilizan las siguientes frmulas recursivas:
q1 (T 1) q1 (T ) p(T 1)
1 (T 1)
2 (T 1)
q1 (T )1 (T ) (T 1) p(T 1)
q1 (T 1)
q1 (T 1)1 (T 1)
1 q1 (T 1)
Pasos
1) Calcular el histograma p(z) de la imagen I(r,c) e ir variando
T: T0N
2) Calcular recursivamente q1(T+1), 1(T+1) y 2(T+1) a partir
q1(T), 1(T) y 2(T). Valores iniciales 1(T0)= 10, 2(T0)= 20,
q1(T)=p(T0).
2
3) Para cada T calcular: B2 (T ) q1(1 q1)1 2
4) Hallar
Topt max B2 (T )
T
T0 T N
ISA-UMH
(Tema 9) - 10
Tema 9 Segmentacin
ISA-UMH
Tema 9 Segmentacin
ISA-UMH
Umbralizacin
Otros Mtodos:
Conservacin de Momentos:
Umbral que mejor preserva los momentos del histograma de orden 1, 2 y 3 entre la
imagen binarizada y la imagen original

N
mk (p(z)) i k p(i)
i0
Entropa:
Umbral que maximiza la Entropa del histograma
Entropa a posteriori :
N
E( p( z )) p( i ) ln( p( i ))
i 0
E( T ) Eb ( T ) Eo ( T )
T
Eb ( T ) p( i ) ln( p( i ))
i 0
N
Eo ( T ) p( i ) ln( p( i ))
i T 1
Moment-preserving thresholding: a new approach W. Tsai

Computer Vision, Graphics, and Image Processing 29 (1985)
A new method for gray-level picture thresholding using the entropy of the histogram T. Pun
Signal Process (2) (1980)
ISA-UMH
(Tema 9) - 11
Tema 9 Segmentacin
ISA-UMH
Umbralizacin
Umbralizacin Local
El umbral depende de la intensidad y de la posicin en la
imagen (x,y)
T x , y , p x , y , f x , y
Seleccin de umbral
Umbral nico para cada subimagen
Hay que hacer previamente una particin de la imagen
Forma de proceder
Dividir la imagen en subimgenes
Elegir un umbral para cada subimagen
Aplicar su umbral a cada regin
Some experiments on variable thresholding Y. Nakagawa, A. Rosenfeld

Patter Recognition 11 (3) (1979)
Tema 9 Segmentacin
ISA-UMH
Umbralizacin
Umbralizacin local
ISA-UMH
(Tema 9) - 12
Tema 9 Segmentacin
ISA-UMH
Umbralizacin
Umbralizacin Dinmica Local
El umbral depende de alguna propiedad local:
Promedio local, varianza en un entorno de vecindad de cada pixel
T x , y , p x , y , f x , y
p( x , y ) x , y x , y
1 si
IT ( x , y )
0 si
f ( x , y ) p( x , y )
f ( x , y ) p( x , y )
Tema 9 Segmentacin
ISA-UMH
Umbralizacin
Umbralizacin Multiumbral
Extensin de los algoritmos vistos a un caso ms general.
Imgenes con N objetos
Cada objeto ocupa un rango del histograma, definido por
dos umbrales
I T (i, j )
si I (i, j ) T1
E1
si T1 I (i, j ) T
E2
si T2 I (i, j ) T3
E3
si I (i, j ) T3
ISA-UMH
(Tema 9) - 13
Tema 9 Segmentacin
ISA-UMH
Umbralizacin
Ejemplo: Imagen segmentada Multiumbral
Imagen Multiumbral 60-120-150
Tema 9 Segmentacin
ISA-UMH
Umbralizacin
Umbralizacin basada en pixeles de frontera
Si los objetos a separar son pequeos en relacin con
el fondo, puede que los picos del histograma no estn

bien separados.
Considera nicamente aquellos pxeles que sean
cercanos a las fronteras Mejora el histograma
De este modo, el histograma es menos dependiente
del tamao relativo entre objeto y fondo.
Si construimos el histograma con estos pxeles
generalmente el nivel de gris medio separa
convenientemente el objeto del fondo.
El principal problema reside en estimar correctamente
los bordes.
ISA-UMH
(Tema 9) - 14
Tema 9 Segmentacin
ISA-UMH
Umbralizacin
Ejemplo:
2.5
x 10
1.5
0.5
0
0
50
100
150
200
250
50
100
150
200
250
700
600
500
400
300
200
100
Tema 9 Segmentacin
ISA-UMH
Tabla de Contenidos
Definicin
Umbralizacin
ISA-UMH
(Tema 9) - 15
Tema 9 Segmentacin
ISA-UMH

Procedimiento general:
Se calcula la imagen gradiente

Localizacin de bordes
Bordes que pueden aparecer

Correctos
Bordes reales de la escena
Falsos
No deberan aparecer en la imagen filtrada
Perdidos
Existen en la imagen pero no aparecen en la imagen filtrada
La imagen gradiente se pasa al detector de frontera

Otorga significado a la imagen derivada
Localiza y ordena bordes correctos
Rechaza bordes falsos
Restaura bordes perdidos
Tema 9 Segmentacin
ISA-UMH
Tcnicas Basadas en Frontera

Tipos de detectores de frontera
Basados en criterios locales (Seguimiento del
Contorno)
Analizan un entorno de vecindad de cada pixel
Consideran
Valor del gradiente en el punto y el entorno
Direccin del gradiente en el punto y el entorno
Basados en criterios globales

Analizan la imagen en conjunto
Transformada de Hough
ISA-UMH
(Tema 9) - 16
Tema 9 Segmentacin
ISA-UMH

Seguimiento del Contorno
Se unen pixeles de la imagen Gradiente con

propiedades similares
Similar en la magnitud del gradiente
Gf x ,y Gf x' ,y' T
Similar en la direccin del gradiente
x ,y x ' ,y ' A
Ejemplo: Canny
Tema 9 Segmentacin
ISA-UMH

Conectividad
Define qu pixeles del entorno de uno dado pueden ser
considerados como sus vecinos.
Tipos de conectividad
Lateral (conectividad a 4)
Son pixeles conectados los que se encuentran en la misma lnea o

columna y contiguos
Diagonal (conectividad a 8)
Son pixeles conectados todos los del entorno
ISA-UMH
(Tema 9) - 17
Tema 9 Segmentacin
ISA-UMH

Ejemplo :
Se parte de la imagen gradiente
Se localiza el punto con mayor nivel
Se busca en el entorno 3x3 el vecino con mayor gradiente
Se usa ste para repetir el proceso, buscando en la direccin opuesta a la de
procedencia
Pertenece a frontera
Ncleo de bsqueda
Candidato a frontera
Tema 9 Segmentacin
ISA-UMH

Transformada de Hough
Es una tcnica global
Permite detectar curvas o fronteras de un objeto en una imagen
Entrada:
Imagen binaria de los pixeles que forman parte del contorno de la imagen (por
umbralizacin del mdulo del gradiente).
Deteccin de Rectas
y axb
Para una recta a y b constantes

Conocidos los puntos de borde (xi, yi), se desea estimar los
posibles parmetros a y b
b a xi yi
Method and means for recognizing complex patterns Hough, P.V.C
U.S. Patent 3,069,654(1962)
Use of the Hough Transformation to Detect Lines and Curves in Pictures Duda, R. O. and P. E. Hart
Comm. ACM, Vol. 15 (1972)
ISA-UMH
(Tema 9) - 18
Tema 9 Segmentacin
ISA-UMH

Qu problemas presenta la representacin cartesiana de
la recta?
y ax b
90 a
Valores de a (pendiente) no acotados

Parametrizacin variable segn la pendiente de la recta
y a x b 90
x c y d 90
Tema 9 Segmentacin
ISA-UMH

Otra forma ms adecuada de representar la recta (polar):
xcos( ) ysen ( )
y ax b
1
tg ( )
sen( )
Para reducir el tiempo de bsqueda se cuantifica el espacio de
parmetros y , dividiendo ste en un espacio de grupos de

posibles lneas
Cuanto ms dividido se encuentre este espacio de estados mayor ser la
precisin de las lneas obtenidas.

-90
+90
: 0 2N
: 0 90
ISA-UMH
(Tema 9) - 19
Tema 9 Segmentacin
ISA-UMH

Algoritmo T. Hough:
1. Definir los incrementos deseados para y
2. Para cada punto de borde (xi, yi), resolver la ecuacin:
xi cos yi sen
3. Se vota por todos los ( que cumplen la ecuacin anterior
en el espacio cuantificado.
N puntos en cada bloque representa el nmero de puntos en
la imagen de entrada en la recta (, ).
Un umbral determina las rectas seleccionadas en la imagen
Tema 9 Segmentacin
ISA-UMH

Ejemplo de transformada de Hough
Ejemplo de
transformada de
Hough
xcos( ) ysen ( )
ISA-UMH
(Tema 9) - 20
Tema 9 Segmentacin
ISA-UMH

Pregunta: Cmo extraemos las rectas de la imagen?
220
300
200
200
180
160
100
=140, = /2
140
=200,= /4
120
0
=10, = 7/4
100
-100
80
60
-200
40
20
-300
150
2 100
150
Tema 9 Segmentacin
200 5
2506
300
7
ISA-UMH

Ejemplo:
Rectas -> celdas de la transformada de Hough con mayor nmero de puntos
acumulados
ISA-UMH
(Tema 9) - 21
Tema 9 Segmentacin
ISA-UMH

Ejemplo: seguimiento carreteras
=140, = /2
=200,= /4
=10, = 7/4
Tema 9 Segmentacin
ISA-UMH

Transformada de Hough (Crculos)
Se puede extender a cualquier contorno parametrizable:
Crculos, elipses,.
r 2 (x xc )2 (y yc )2
Crculos: 3 parmetros. El problema se organiza en dos etapas
Encontrar todos los centros de los crculos:
Para cada pixel p de la Imagen de bordes, se estima la normal a la
tangente al posible crculo
Esta normal se almacena en un espacio de parmetros de Hough (x,y)
Los centros sern los valores ms visitados.
Encontrar los radios de cada crculo.

Para cada pixel p de la Imagen se calcula la distancia a cada posible
centro.
Estas distancias se almacenan en un espacio de Hough 1-D.
Los candidatos a radio sern los valores ms visitados.
ISA-UMH
(Tema 9) - 22
Tema 9 Segmentacin
ISA-UMH

p
Clculo
Centro
del
Centro
x
p
Clculo
del
Radio
Radio
Tema 9 Segmentacin
distancia
ISA-UMH

ISA-UMH
(Tema 9) - 23
Tema 9 Segmentacin
ISA-UMH
Tabla de Contenidos
Definicin
Umbralizacin
Crecimiento
Divisin y Unin de regiones
Crecimiento y unin de regiones conexas binarias
Tema 9 Segmentacin
ISA-UMH

Crecimiento de regiones
Principio:
Pixeles vecinos tienden a tener propiedades similares si pertenecen a un mismo
objeto
Criterios de similitud
Se basan en conjugar dos propiedades
Vecindad
Homogeneidad
Segmentacin basada en regiones:
Crecimiento simple
Divisin y Unin de regiones.
Crecimiento y unin de regiones conexas binarias
ISA-UMH
(Tema 9) - 24
Tema 9 Segmentacin
ISA-UMH

Crecimiento simple
Inicializacin
Se parte de pixeles semilla, uno o varios por regin
Progreso
Las semillas crecen por adicin de pixeles similares
|f(x,y)-f(x,y)| < P
Finalizacin
No se aaden ms pixeles a ninguna regin.
Las regiones creadas cubren las zonas de inters
Tema 9 Segmentacin
ISA-UMH

Comprobacin para el crecimiento
Se realiza un chequeo en conexin a 8
Se comprueba si los pixeles no clasificados son similares al
central
Diferencia en niveles de gris

Distancia en el espacio de color
RGB
HSI
...
ISA-UMH
(Tema 9) - 25
Tema 9 Segmentacin
ISA-UMH

Ejemplo de crecimiento simple
x
x
x
x
Tema 9 Segmentacin
ISA-UMH

Automatizacin de la seleccin de semillas
Se toma un pixel por cada pico del histograma
Ms de una semilla por regin
x
x
x
x
x
ISA-UMH
x
x
(Tema 9) - 26
Tema 9 Segmentacin
ISA-UMH

Crecimiento e inauguracin de regiones
Similar al anterior. No usamos semillas.
Se barre la imagen fila a fila. Para cada pixel:
Si es similar se aade a una regin existente

Si no es similar inaugura una nueva regin
La dificultad radica en disear la regla de comparacin:
Muy exigente: muchas regiones pequeas

Poco exigente: pocas regiones poco homogneas
Tema 9 Segmentacin
ISA-UMH

Divisin de regiones (quadtree)
Inicio: Toda la imagen se supone homognea.
Comprobacin
Suposicin falsa. La propiedad P(R) no se cumple para toda la imagen. La imagen
se divide en cuatro.
Repeticin
Se repite suposicin y chequeo para subimgenes
Finalizacin
Se repite hasta que cada regin es homognea
ISA-UMH
(Tema 9) - 27
Tema 9 Segmentacin
ISA-UMH

Ejemplo: deseamos utilizar la divisin de regiones para
segmentar la siguiente imagen.

qu propiedad utilizaras?
Tema 9 Segmentacin
ISA-UMH

Divisin y Unin de regiones (split and merge)
Problema de la divisin de regiones
Se crean regiones adyacentes similares
Solucin
Inclusin de un algoritmo de unin de regiones con

propiedades similares
Algoritmo:
1) Seleccionar un predicado P
2) Para toda regin tal que P(Ri)=falsosubdividir en
cuatro cuadrantes
3) Fusionar las regiones adyacentes para las que
P(Ri U Rj)=verdadero
4) Volver a 2). Parar cuando P(Ri)=verdadero para toda

la imagen
ISA-UMH
(Tema 9) - 28
Tema 9 Segmentacin
ISA-UMH
Crecimiento de regiones conexas binarias

ltimo paso antes del clculo de una descripcin de
nuestros objetos. Suponemos una imagen binaria.

Extraemos las regiones de cada uno de los objetos de
la imagen por separado.
Procedimiento:
Se barre la imagen fila a fila. Cuando se encuentra un 1:
Se le asigna una etiqueta a ese pixel
La etiqueta se propaga a todos los 1s vecinos
La etiqueta se extingue al llegar al lmite de la regin
Cuando acaba con una etiqueta se contina con el barrido
Cuando aparece un nuevo pixel activo se comprueba si hay algn
vecino ya etiquetado, si no se asigna una nueva etiqueta
Requiere de una segunda iteracin uniendo etiquetas
conectdas cuando hay objetos no convexos
Tema 9 Segmentacin
ISA-UMH

Ejemplo de crecimiento de regiones conexas binarias
ISA-UMH
(Tema 9) - 29
Tema 9 Segmentacin
ISA-UMH

Crecimiento de regiones conexas binarias
Regiones conexas
Imagen
Tema 9 Segmentacin
Umbralizacin Otsu
ISA-UMH
Tabla de Contenidos
Definicin
Umbralizacin
Fin..
ISA-UMH
(Tema 9) - 30

09 Segmentacion

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

09 Segmentacion

Cargado por

Copyright:

Formatos disponibles

VISIN POR COMPUTADOR

Ingeniera de Sistemas y Automtica

VISIN POR COMPUTADOR

VISIN POR COMPUTADOR

Permite obtener una mejor comprensin de las

VISIN POR COMPUTADOR

Umbral Global (slo depende de la intensidad f(x,y))

Umbral Dinmico Local (Depende de f(x,y) y de p(x,y), propiedad local del

Histograma con ruido

Picos pequeos en el histograma

VISIN POR COMPUTADOR

VISIN POR COMPUTADOR

Umbralizacin: Seleccin del umbral ptimo

Donde P1 y P2 son las probabilidades a priori. P1 = n1/nT P2 = n2/nT

El valor ptimo de T es tal que: P1 p1 (T ) P2 p2 (T )

Umbralizacin: Seleccin automtica

VISIN POR COMPUTADOR

Umbralizacin: Seleccin automtica

Funciona bien si los mximos estn bien separados y las

distribuciones no son demasiado anchas (varianza pequea).

Umbralizacin: Seleccin automtica

Se obtiene el menor polgono que engloba al histograma.

Histogram concavity analysis as an aid in threshold selection A. Rosenfeld and P. De La Torre

VISIN POR COMPUTADOR

Umbralizacin: Seleccin automtica

Buscamos T tal que:

Todos los pxeles del objeto ms cercanos a su media

Todos los pxeles del fondo ms cercanos a su media

Umbralizacin: Seleccin automtica

1) Comenzamos seleccionando T = B (brillo de la imgen). Nos

Es fcilmente escalable a K objetos

VISIN POR COMPUTADOR

Umbralizacin: Seleccin automtica

Umbralizacin: Seleccin automtica

A threshold selection method from gray-level histograms Nobuyuki Otsu

VISIN POR COMPUTADOR

Umbralizacin: Seleccin automtica

Se puede demostrar que esto es equivalente a calcular::

Se pude escalar a K-clases pero el coste computacional se

Umbralizacin: Seleccin automtica

Resumen del algoritmo:

VISIN POR COMPUTADOR

Umbralizacin: Seleccin automtica

imagen binarizada y la imagen original

Moment-preserving thresholding: a new approach W. Tsai

VISIN POR COMPUTADOR

Some experiments on variable thresholding Y. Nakagawa, A. Rosenfeld

VISIN POR COMPUTADOR

VISIN POR COMPUTADOR

Imagen Multiumbral 60-120-150

el fondo, puede que los picos del histograma no estn

VISIN POR COMPUTADOR

VISIN POR COMPUTADOR

Tcnicas Basadas en la Frontera

Se calcula la imagen gradiente

Bordes que pueden aparecer

La imagen gradiente se pasa al detector de frontera

Tcnicas Basadas en Frontera

Basados en criterios globales

VISIN POR COMPUTADOR

Tcnicas Basadas en Frontera

Se unen pixeles de la imagen Gradiente con

Tcnicas Basadas en Frontera